Svar på spørsmål

Spørsmål 1

Filen ddf_concepts.csv inneholder ingen verdier. Det den derimot inneholder er prosentvis av arbeidsledighet, hvor mange barn som har dødd av en alder av 1-59 måneder og nyfødte barn som har dødd.

Spørsmål 2

I denne filen inneholder det også ingen verdier, men filen inneholder land, og hvilken av disse landene som har høy inntekt, middels inntekt og lav inntekt. Den har også med hvor landene ligger i verden, for eksempel så ligger Afghanistan i Asia, og de spesifiserer også at det landet ligger i Sør Asia.

Spørsmål 3

Ddf–entities–geo–un_sdg_region.csv inneholder de forskjellige regionene og om de er TRUE eller FALSE.

Spørsmål 4

Gapminder pakken inneholder 6 variabler. Disse er:

  • Country: faktor med 142 nivåer

  • Continent: faktor med 5 nivåer

  • Year: områder fra 1952 til 2007 med trinn på 5 år

  • Pop: populasjon

  • gdpPercap: BNP per innbygger (US$, inflasjon-justert

Australia og New Zealand ligger i kontinentet Asia.

Spørsmål 5

Her laster vi inn et nytt datasett, og skal deretter flytte Australia og New Zealand fra Asia til Oseania.

g_c <- read_csv("data/ddf--entities--geo--country.csv")
## Rows: 273 Columns: 22
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr (17): country, g77_and_oecd_countries, income_3groups, income_groups, is...
## dbl  (3): iso3166_1_numeric, latitude, longitude
## lgl  (2): is--country, un_state
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.
print(g_c)
## # A tibble: 273 × 22
##    country   g77_and_oecd_countries income_3groups income_groups   `is--country`
##    <chr>     <chr>                  <chr>          <chr>           <lgl>        
##  1 abkh      others                 <NA>           <NA>            TRUE         
##  2 abw       others                 high_income    high_income     TRUE         
##  3 afg       g77                    low_income     low_income      TRUE         
##  4 ago       g77                    middle_income  lower_middle_i… TRUE         
##  5 aia       others                 <NA>           <NA>            TRUE         
##  6 akr_a_dhe others                 <NA>           <NA>            TRUE         
##  7 ala       others                 <NA>           <NA>            TRUE         
##  8 alb       others                 middle_income  upper_middle_i… TRUE         
##  9 and       others                 high_income    high_income     TRUE         
## 10 ant       others                 <NA>           <NA>            TRUE         
## # … with 263 more rows, and 17 more variables: iso3166_1_alpha2 <chr>,
## #   iso3166_1_alpha3 <chr>, iso3166_1_numeric <dbl>, iso3166_2 <chr>,
## #   landlocked <chr>, latitude <dbl>, longitude <dbl>,
## #   main_religion_2008 <chr>, name <chr>, un_sdg_ldc <chr>,
## #   un_sdg_region <chr>, un_state <lgl>, unhcr_region <chr>,
## #   unicef_region <chr>, unicode_region_subtag <chr>, world_4region <chr>,
## #   world_6region <chr>
spec(g_c)
## cols(
##   country = col_character(),
##   g77_and_oecd_countries = col_character(),
##   income_3groups = col_character(),
##   income_groups = col_character(),
##   `is--country` = col_logical(),
##   iso3166_1_alpha2 = col_character(),
##   iso3166_1_alpha3 = col_character(),
##   iso3166_1_numeric = col_double(),
##   iso3166_2 = col_character(),
##   landlocked = col_character(),
##   latitude = col_double(),
##   longitude = col_double(),
##   main_religion_2008 = col_character(),
##   name = col_character(),
##   un_sdg_ldc = col_character(),
##   un_sdg_region = col_character(),
##   un_state = col_logical(),
##   unhcr_region = col_character(),
##   unicef_region = col_character(),
##   unicode_region_subtag = col_character(),
##   world_4region = col_character(),
##   world_6region = col_character()
## )

I denne har vi flyttet Australia og New Zealand til Oseania, og bare inkludert landene som har iso3166_1_alpha3 koden.

g_c <- g_c%>%
  mutate(continent = case_when(
    world_4region == "asia" & un_sdg_region %in% c("un_australia_and_new_zealand","un_oceania_exc_australia_and_new_zealand") ~ "Oceania",
    world_4region == "asia" & !(un_sdg_region %in% c("un_australia_and_new_zealand", "un_oceania_exc_australia_and_new_zealand")) ~ "Asia",
    world_4region == "africa" ~ "Africa",
    world_4region == "americas" ~ "Americas",
    world_4region == "europe" ~ "Europe")
  ) %>% 
  filter(!is.na(iso3166_1_alpha3))

Spørsmål 6

a

I dette nye datasettet finner vi ut hvor mange land som er der nå.

length(unique(g_c$country))
## [1] 247

b

Her ser man hvor mange land det nå er i hver kontinent.

g_c %>% 
  group_by(continent) %>% 
  summarise(countries = length(unique(country)))

Spørsmål 7

Vi laster enda ett nytt datasett, og endrer time variabelen til date. Videre endrer vi time til year.

lifeExp <- read_csv("data/countries-etc-datapoints/ddf--datapoints--life_expectancy_years--by--geo--time.csv",
col_types = cols(time = col_date(format = "%Y")))
lifeExp <- lifeExp %>% 
  rename(year = time)
names(lifeExp)
## [1] "geo"                   "year"                  "life_expectancy_years"
length(unique(lifeExp$geo))
## [1] 195

Spørsmål 8

length(unique(lifeExp$geo))
## [1] 195

Det er 195 land som har informasjon om LifeExp.

Spørsmål 9

Her reduserer vi variablene til country, name, iso3166_1_alpha3, un_sdg_region, world_4region, continent, world_6region.

g_c <- g_c %>%
  select(country, name, iso3166_1_alpha3, un_sdg_region, world_4region, continent, world_6region) %>%
  left_join(lifeExp, by = c("country" = "geo"))
names(g_c)
## [1] "country"               "name"                  "iso3166_1_alpha3"     
## [4] "un_sdg_region"         "world_4region"         "continent"            
## [7] "world_6region"         "year"                  "life_expectancy_years"

Spørsmål 10

g_c_min <- g_c %>% 
  group_by(country) %>% 
  summarise(min_year = min(year))
table(g_c_min$min_year)
## 
## 1800-01-01 1950-01-01 
##        186          9

Den første observasjonen av lifeExp til de forskjellige landene er 186.

Spørsmål 11

Under kan man se at de 9 landene som bare har life expentancy data fra 1950.

g_c_min %>% 
  filter(min_year == "1950-01-01")

Spørsmål 12

Leser her inn et nytt datasett, og endrer til dato.

pop <- read_csv("data/countries-etc-datapoints/ddf--datapoints--population_total--by--geo--time.csv",
                 col_types = cols(time = col_date(format = "%Y")))
g_c <- g_c %>%
  left_join(pop, by = c("country" = "geo", "year" ="time"))

rm(pop)

Spørsmål 13

Leser inn nytt datasett.

gdp_pc <- read_csv("data/countries-etc-datapoints/ddf--datapoints--gdppercapita_us_inflation_adjusted--by--geo--time.csv",
col_types = cols(time = col_date(format = "%Y")))
g_c <- g_c %>%
  left_join(gdp_pc, by = c("country" = "geo", "year" = "time"))

Endrer her variabel navnene.

g_c <- g_c %>%
  rename("lifeExp" = "life_expectancy_years") %>%
  rename("pop" = "population_total") %>%
  rename("gdpPercap" = "gdppercapita_us_inflation_adjusted")
names(g_c)
##  [1] "country"          "name"             "iso3166_1_alpha3" "un_sdg_region"   
##  [5] "world_4region"    "continent"        "world_6region"    "year"            
##  [9] "lifeExp"          "pop"              "gdpPercap"

Spørsmål 14

Her bruker vi dataene fra hver femte år.

t1 <- paste(c(seq(1800, 2015, by = 5), 2019), "01-01", sep = "-") %>%
  parse_date(format = "%Y-%m-%d")

g_c_5year <- g_c %>% 
  filter(year %in% t1) %>%
  select(country, name, continent, year, lifeExp, pop, gdpPercap)

dim(g_c_5year)
g_c_min_yr_gdp <- g_c_5year %>%
  group_by(gdpPercap) %>%
  summarise (min_year = min(year))

g_c_min_yr_gdp %>%
  count(min_year = g_c_min_yr_gdp$min_year)

Spørsmål 15

Chunken under brukes for å vise hvilket år hvert land har innhentet BNP.

tmp <- g_c %>%
  filter (!is.na(gdpPercap)) %>%
  group_by(country) %>%
  summarise (nr=n()) %>%
  arrange((country))

Videre filtreres det ned til landene som har rapportert BNP over en lengre periode. I dette tilfelle de siste 60 årene:

g_c_5year <- tmp %>%
  filter(nr > 60)

Etter dette kan vi se at det er 84 land som har rapportert BNP de siste 60 årene.

Spørsmål 16

Først i denne oppgaven lager vi ett nytt datasett for å finne observasjonene for å finne antall land med verdier i tidsperioden 1960-2019. Her finner vi 191 land.

c_min_y <- g_c %>%
  filter (!is.na(gdpPercap)) %>%
  group_by(country) %>% 
  summarise(min_year = min(year))

dim(c_min_y)
<<<<<<< HEAD 
## [1] 191   2
======= 
## [1] 190   2
>>>>>>> main

Her ser vi at i my_gapminder_1960 datasettet er det 25886 observasjoner og 11 variabler.

c_min_y_60 <- c_min_y$country[c_min_y$min_year == "1960-01-01"]
my_gapminder_1960 <- g_c %>%
  filter(country %in% c_min_y_60)

dim(my_gapminder_1960)
<<<<<<< HEAD 
## [1] 25886    11

Videre ser man at det er 86 land med registrert data:

length(unique(my_gapminder_1960$country))
## [1] 86
======= 
## [1] 25585    11

Videre ser man at det er 86 land med registrert data:

length(unique(my_gapminder_1960$country))
## [1] 85
>>>>>>> main

Videre finner vi oversikt over NA verdier:

(num_NA <- my_gapminder_1960[is.na(my_gapminder_1960$gdpPercap) == TRUE, ])

Til slutt finner hvor mange land det er fra hvert kontinent i datasettet:

my_gapminder_1960 %>%
  distinct(country, continent) %>%
  group_by(continent) %>%
  count () %>%
  kable ()
<<<<<<< HEAD ======= >>>>>>> main
continent n
Africa 29
Americas2524
Asia 14
Europe 15
Oceania 3

Spørsmål 17

Her bruker vi ggplot() for årene 1960, 1980, 2000 og 2019.

my_gapminder_1960 %>%
<<<<<<< HEAD
filter(year <= "1960-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(0,10000)) +
  theme(legend.position = "bottom")
## Warning: Removed 13760 rows containing missing values (geom_point).

my_gapminder_1960 %>% 
  filter(year <= "1980-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 80), xlim = c(0,50000)) +
  theme(legend.position = "bottom")
## Warning: Removed 13760 rows containing missing values (geom_point).

my_gapminder_1960 %>%
=======
  # ok med <= siden vi starter 1960, men kansje bedre med == så er det lettere å 
  # forstå hva vi gjør
filter(year == "1960-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  # satt samme xlim som nedenfor. lettere å samenligne
  coord_cartesian(ylim = c(20, 90), xlim = c(0,110000)) +
  theme(legend.position = "bottom")

my_gapminder_1960 %>% 
  # data for år 1980
  filter(year == "1980-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  # alternativ måte å sette xlim og ylim. Bruker samme på alle så lettere å se utviklingen
  xlim(0, 110000) +
  ylim(20,90) +
  geom_point() +
  #coord_cartesian(ylim = c(20, 80), xlim = c(0,50000)) +
  theme(legend.position = "bottom")

# Denne er litt kul, men blir kanskje litt "crowded"
my_gapminder_1960 %>%
>>>>>>> main
  filter(year <= "2000-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(0,110000)) +
  theme(legend.position = "bottom")
<<<<<<< HEAD 
## Warning: Removed 13760 rows containing missing values (geom_point).

======= 
## Warning: Removed 13600 rows containing missing values (geom_point).

my_gapminder_1960 %>%
  filter(year == "2000-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(0,110000)) +
  theme(legend.position = "bottom")

my_gapminder_1960 %>%
  filter(year == "2019-01-01") %>%
  ggplot(mapping = aes(x = gdpPercap, y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(0,110000)) +
  theme(legend.position = "bottom")

>>>>>>> main

Spørsmål 18

Her bruker vi log i ggplottene.

my_gapminder_1960 %>% 
<<<<<<< HEAD
  filter(year <= "1960-01-01") %>% 
=======
  filter(year == "1960-01-01") %>% 
>>>>>>> main
  ggplot(mapping = aes(x = log(gdpPercap), y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(5, 12)) +
  theme(legend.position = "bottom")
<<<<<<< HEAD 
## Warning: Removed 13760 rows containing missing values (geom_point).

my_gapminder_1960 %>%
  filter(year <= "1980-01-01") %>%
=======



my_gapminder_1960 %>%
  filter(year == "1980-01-01") %>%
>>>>>>> main
  ggplot(mapping = aes(x = log(gdpPercap), y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(5, 12)) +
  theme(legend.position = "bottom")

<<<<<<< HEAD

## Warning: Removed 13760 rows containing missing values (geom_point).




my_gapminder_1960 %>%
  filter(year <= "2000-01-01") %>%
=======



my_gapminder_1960 %>%
  filter(year == "2000-01-01") %>%
>>>>>>> main
  ggplot(mapping = aes(x = log(gdpPercap), y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(5, 12)) +
  theme(legend.position = "bottom")

<<<<<<< HEAD

## Warning: Removed 13760 rows containing missing values (geom_point).




my_gapminder_1960 %>%
  filter(year <= "2019-01-01") %>%
=======



my_gapminder_1960 %>%
  filter(year == "2019-01-01") %>%
>>>>>>> main
  ggplot(mapping = aes(x = log(gdpPercap), y = lifeExp, size = pop, colour = continent)) +
  geom_point() +
  coord_cartesian(ylim = c(20, 90), xlim = c(5, 12)) +
  theme(legend.position = "bottom")

<<<<<<< HEAD

## Warning: Removed 13765 rows containing missing values (geom_point).



=======


>>>>>>> main

Spørsmål 19

I de siste 59 årene har det vært noen store observasjoner som man kan se. Man kan se at det er en økning i antall land som rapporterer BNP per innbygger. Man ser god ut en stor utvikling i landene og kontinentene som rapporterer BNP per innbygger.

Spørsmål 20

write.table(g_c, file = "my_gapminder.csv", sep = ",")
write.table(g_c_5year, file = "my_gapminder_red.csv", sep = ",")